mcpField
G
gpt-image-2

gpt-image-2

github.com/agentspace-so创意与媒体17664 次安装26 周前更新
代码仓库

关于 gpt-image-2

gpt-image-2 是一项 Agent 技能，通过本地已登录的 Codex CLI 调用 GPT Image 2 生成和编辑图像。适用于拥有符合条件的 ChatGPT 订阅的用户，支持文本提示词和参考图像。

主要功能

  1. 01文本生成图像
  2. 02基于参考图像编辑
  3. 03多参考图像合成
  4. 04将解码后的图像写入指定路径

适用场景

  1. 01根据提示词生成图像
  2. 02使用参考图像重塑风格
  3. 03结合多张参考图像创作

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/agentspace-so/agent-skills --skill gpt-image-2

安装后在 Claude Code 中输入/gpt-image-2确认已加载。

附带文件scripts/extract_image.pyscripts/gen.sh

详细介绍

🪞 GPT Image 2 — 通过你的 ChatGPT 订阅生成图像

agentspace.so · GitHub

在你的 Agent 中使用 GPT Image 2（ChatGPT Images 2.0）生成图像，使用你现有的 ChatGPT Plus 或 Pro 订阅——无需单独开通 OpenAI 访问权限，无需 Fal 或 Replicate 令牌，也无需按图付费。

支持文生图、图生图编辑、风格迁移和多参考图合成。整个流程都通过你已登录的本地 codex CLI 完成。

**请注意——此技能需要 ChatGPT Plus 或 Pro 订阅，并且 需要在本地安装 Codex CLI。**如果你两者都没有，也可以通过 RunComfy 在浏览器中使用 GPT Image 2——托管服务，无需 ChatGPT 订阅或本地安装（但需要 RunComfy 账户）：

本文其余部分介绍本地 Codex CLI 流程，适用于用户拥有 ChatGPT 订阅的 Agent。

GPT Image 2 示例——将纯色龙虾重新绘制成 20 世纪 50 年代浮世绘木版画

示例输出：通过 --ref 将简单的纯色图标重新绘制成浮世绘风格——保留构图、替换渲染风格，模型还主动添加了符合时代风格的红色印章。

何时触发

当用户明确要求通过其 ChatGPT 订阅使用 GPT Image 2 时触发，例如：

  • “使用 GPT Image 2” / “使用 gpt-image-2” / “使用 ChatGPT Images 2.0”
  • “使用 Image 2” / “用 image 2 生成这个”
  • 附上参考图并要求混合创作 / 编辑 / 更改风格

如果用户只是要求“生成一张图”，但没有指定此方式，不要自动触发。如果用户指定了此方式，不要擅自改用 HTML 模型图、截图或其他图像模型。

如何调用

一个 bash 脚本即可处理所有步骤：使用正确的标志运行 codex exec，然后从已持久化的会话运行记录中解码生成的图像。

文生图：

bash scripts/gen.sh \
  --prompt "<user's raw prompt>" \
  --out <absolute/path/to/output.png>

图生图（参考图标志可重复使用，以支持多参考图合成）：

bash scripts/gen.sh \
  --prompt "<user's raw prompt, e.g. 'repaint in watercolor'>" \
  --ref /absolute/path/to/reference.png \
  --out <absolute/path/to/output.png>

可选：--timeout-sec 300（默认值为 300）。

默认行为

  • **原样传递用户的提示词。**除非用户提出要求，否则不要翻译、润色或添加风格修饰词。
  • **选择输出路径。**如果用户未指定，默认将文件保存到当前工作目录下的 ./image-<YYYYMMDD-HHMMSS>.png。
  • **交付图像。**脚本成功运行后，显示 / 附上输出文件。不要只说“已完成，文件位于路径 X”。
  • **包含大量文字的布局也没问题。**Image 2 能很好地处理信息图和时间线提示词。不要仅仅因为提示词包含大量文字就提前发出警告。

硬性限制

  • 未经许可，不要切换使用方式。如果用户说“使用 GPT Image 2”，不要改用 DALL·E、Midjourney、HTML 模型图或手动截图流程。
  • 除非用户提出要求，否则不要改写提示词。
  • 不要声称此技能无需本地 codex 登录和具备图像生成权益的有效 ChatGPT 订阅即可使用。

前提条件

  1. 已安装 codex CLI——运行 brew install codex，或参阅 openai/codex。
  2. 使用包含 Image 2 的 ChatGPT 套餐登录——运行 codex login。
  3. python3 已加入 PATH（macOS 自带；Linux 上可运行 apt install python3）。

此技能本身不提供图像生成能力，而是通过用户已有的 ChatGPT 订阅调用其现有能力。

退出代码

代码含义
0成功 — 已在 stdout 上输出路径
2参数错误
3缺少 codex 或 python3 CLI
4--ref 文件不存在
5codex exec 失败（身份验证？网络？模型？）
6未检测到新的会话文件
7imagegen 未生成图像载荷（功能未启用、配额限制或能力被拒绝）

发生故障时，用一句话指出出错的环节，而不是向用户输出完整 stderr。

工作原理

codex CLI 会复用已登录的 ChatGPT 会话，并提供一个 imagegen 工具（受 image_generation 功能标志控制）。此脚本会：

  1. 在运行前对 ~/.codex/sessions/ 进行快照
  2. 运行 codex exec --enable image_generation --sandbox read-only ...（每张参考图都使用 -i <file>）
  3. 对会话目录进行差异比对，然后调用 scripts/extract_image.py，扫描每个新的 rollout JSONL，以查找 base64 图像载荷（匹配 PNG / JPEG / WebP 文件头特征）
  4. 解码最大的匹配数据块，并将其写入 --out

其他封装工具在 codex-cli 0.111.0+ 中容易误用的两个标志：

  • 必须使用 --enable image_generation；此功能仍在开发中，且默认关闭。
  • 不得使用 --ephemeral — 临时会话不会持久化，因此没有可存放图像载荷的位置。

数据处理

此脚本刻意将处理范围限制得很窄：

  • 它只读取自身 codex exec 调用所创建的会话 rollout 文件。脚本会在调用前对会话目录进行快照，并在调用后进行差异比对，因此绝不会触碰、读取或传输此前已有的任何 ~/.codex/sessions/* 文件（这些文件可能包含无关的 Codex 对话）。
  • 它只会写入两类文件：调用方指定的 --out 路径下的输出 PNG，以及通过 trap 在退出时自动删除的短暂 mktemp 日志。
  • 不会读取任何环境变量，也不会请求凭据。不会访问 ~/.codex/ 下的其他路径。
  • 此技能不会发起任何网络调用。唯一的出站流量是 codex CLI 自身发出的流量（使用用户现有的 ChatGPT 登录信息发送至 OpenAI）——此技能不会添加端点、遥测或回调。

此技能并非

它不是直接的 OpenAI API 客户端，也不是能力授权 — 它依赖用户可正常使用的 Codex CLI 登录。它不是多租户服务（每次调用只执行一次；并发调用会通过文件系统快照差异比对进行串行处理）。

评论

支持 Markdown